改进YOLO v7算法下的监控水域环境人员识别研究

作者：吴兴辉; 何赟泽^*; 周辉; 程亮; 丁美有

来源：电子测量与仪器学报, 2023, 37(05): 20-27.

DOI：10.13382/j.jemi.B2206029

• 水域人员识别
• YOLO-WA
• 注意力机制

基于水域监控系统智能化的发展需求，提出了一种监控水域环境下人员识别算法。在水域场景数据采集、数据清洗与标记后，自主构建了一套监控水域场景下的人员类别数据集YZ-Water4,共8 092张图片和24 011个标签。基于目标检测算法YOLO v7的性能基础，针对水域场景特点，提出了适用于水域环境的目标检测算法YOLO-WA(you only look once-water area)。首先，使用更适合视觉任务的FReLU激活函数取代YOLO v7算法中激活函数；其次将注意力机制融合到算法网络骨架中，提升算法的特征提取能力；最后，选择SIOU损失函数替换YOLO v7算法中的CIOU损失函数以优化算法训练过程。实验结果表明，YOLO-WA与原算法相比，在水域人员类别数据集上识别精确率由82.3%提升到86.9%,召回率由92.0%提升到92.8%,平均精度从88.4%提高到90.6%,检测速度达到了85 fps,满足实时运行的精度与速度要求。

• 出版日期2023
• 单位湖南大学